谷歌放大招，Gemini 2.0全家桶来了

去年底，Google Deedmind推出了面向智能体时代的Gemini 2.0 Flash模型，一只脚迈入了2.0时代，时隔两个月，Gemini 2.0系列全家桶终于正式上新。

在DeepSeek“鲶鱼效应”的催化下，这次发布与往常不太一样，不仅在性能上有进一步的提升，还挥舞起AI性价比的大旗，同时也拥抱多模态能力。

在最新的大模型竞技场中，Gemini 2.0 Pro在所有类别中排名第1，Gemini 2.0 Flash排名第3，Flash-lite则以出色的性价比跻身前十。

Deepmind CEO Demis Hassabis发文称：

令人兴奋的进展！我们在不断提升质量的同时，努力降低成本。Gemini 2.0系列是性价比和性能方面的领先模型。

通过今天的发布，大家都可以利用它们强大的推理和多模态能力，这也为我们的智能工作奠定了基础。

Gemini 2.0系列模型主要特点如下：

• 2.0 Pro Experimental：主打编码性能和处理复杂提示能力，在知识理解和逻辑推理方面表现出色。

• 2.0 Flash：专门面向开发者提供API接口，支持快速构建App。

• 2.0 Flash Thinking Experimental：已在Gemini App中开放使用，供用户体验。

• 2.0 Flash-Lite：在保持高性能的同时实现了更优的成本效益和响应速度。

不到1美元能干啥？Google新模型能给4万张图片配标题

具体来说，Gemini 2.0系列全家桶模型各具特色。

其中，已全面发布的Gemini 2.0 Flash支持多模态输入和文本输出，具备100万tokens的上下文窗口，并支持结构化输出、函数调用和代码执行等功能。

值得注意的是，其多模态实时API目前仍处于“beta”阶段，图像和音频输出功能也将在后续推出。

该模型的定价方案也已确定，文本、图像和视频输入每百万tokens收费0.10美元，音频输入则为0.70美元，（2月20日起正式生效）。文本输出每百万tokens收费0.40美元。

各类缓存费用也都维持在较低水平。文本/图像/视频缓存费用为每百万token收费0.025美元，音频缓存费用为0.175美元。

在此基础上，Google还推出了更具性价比的“轻量版”——Gemini 2.0 Flash-Lite。

虽然这款模型在功能上做了一定取舍，暂不支持多模态实时API、搜索工具和代码执行，但它保留了100万tokens的上下文窗口，以及多模态输入、文本输出和函数调用等核心功能。

其定价更为亲民，文本、图像和视频输入每百万tokens仅需0.075美元，几乎比标准版便宜了三分之一。音频输入也为0.075美元，文本输出为0.30美元，文本/图像/视频缓存为每百万tokens仅需0.01875美元，音频缓存为0.175美元。

作为对比，DeepSeek-V3模型现在在击中缓存的情况下每百万tokens需要0.014美元。2月8日起，其价格将恢复到每百万tokens 0.07美元的水平。这一调整或许也是促使Google制定当前价格策略的重要因素之一。

据Google介绍，使用该模型为4万张独特图片生成标题的成本仅需不到1美元。

产品线的顶端则是Gemini 2.0 Pro Experimental版本。这款模型拥有200万tokens的超大上下文窗口，相当于可以一次性处理约150万个单词，能同时消化整个《哈利·波特》系列的七本书还绰绰有余。

在功能上，它也是最为全能的选手，不仅支持多模态输入和文本输出，还具备结构化输出、函数调用、搜索工具和代码执行等全方位能力。

在性能测试方面，Gemini 2.0系列表现可圈可点。

在MMLU-Pro测试中，2.0 Pro Experimental以79.1%的得分领先，而2.0 Flash Lite Preview和2.0 Flash GA分别获得71.6%和77.6%的成绩。

在代码生成、数学和多语言能力等方面，2.0 Pro Experimental同样表现优异，在数学（91.8%）和多语言能力（86.5%）方面的成绩尤为突出。

遗憾的是，即便是最强的Gemini 2.0 Pro Experimental版本也要远远落后于OpenAI o3模型，并未完成外界期待的“弯道超车”。

不过也有网友认为，由于Gemini 2.0 Pro并非典型的CoT模型，当前的性能对比可能并不完全合理。

这些模型的主要优势在于其快速响应能力和较低的成本，特别适用于命名实体识别或分类等特定任务。随着图像生成和文本到语音等新功能的即将推出，Gemini 2.0系列的应用场景将进一步扩展。

现在，这些新模型现已在Google AI Studio和Vertex AI平台上向开发者开放，Gemini高级用户也可以在其设备上选用。

贪吃蛇大战、跳跃球，Gemini 2.0还能这样玩

谁说AI只会干巴巴地回答问题，随着Gemini 2.0全家桶的上线，网友迫不及待地将其玩出了新花样。

比方说，想看贪吃蛇大战吗？让Gemini 2.0自行操刀设计一个贪吃蛇游戏。

或者，Gemini 2.0 Flash Thinking模型是首个能够访问YouTube的推理模型，它还支持Google搜索和地图功能。

在图像渲染方面，有开发者要求模型使用p5.js编写脚本，生成了一个包含100个动态弹跳黄球的三维场景。并且，球体内的黄球还要能够正确地相互碰撞，球体缓慢旋转，以及始终保持在球体内。

我们也在Google AI Studio中简单体验了此次上新的几款新模型。这几款新模型响应的速度倒是挺快的，至于效果嘛，Emmm，就属实有点难评了。

在Gemini大展拳脚之际，惯常狙击的OpenAI也在持续发力。

今天，OpenAI凌晨宣布Deep Research功能向所有Pro用户全面开放，包括英国、欧盟、挪威、冰岛、列支敦士登和瑞士等地区。Plus用户流下了羡慕的泪水。

并且，ChatGPT的搜索功能现已向所有用户开放，无需注册即可使用，这进一步降低了用户的使用门槛。

不过，在卷模型之前，不妨先卷一下AI模型的起名，无论是Gemini系列，还是OpenAI的GPT/o系列，随着新模型接踵而至，各类版本号和命名规则也是让人眼花缭乱。

去年当OpenAI CEO Sam Altman被问及公司产品的命名策略时，他也坦言相当头疼。

包括Anthropic CEO Amodei曾表示，虽然Claude的命名方式在早期看起来不错，但随着模型的快速迭代和更新，沿用的命名体系同样变得捉襟见肘。

他指出，目前没有任何AI公司真正“搞定命名”这一问题，大家都在努力寻找更简单、更清晰的命名方式。这或许也是AI巨头们少有达成的共识。

本文来自微信公众号：APPSO （ID：appsolution），作者：APPSO